如何解决您如何正确解释 gRain - "querygrain" 函数结果?潜在的错误纠正
我正在使用贝叶斯网络。 学习参数后,我在使用 gRain 包中的 setEvidence 函数时遇到了一些麻烦。
数据: https://drive.google.com/file/d/1Cmpz5efBQleb0edmavjWIois4e8Ui8xL/view?usp=sharing
Libray(bnlearn)
#Discreditizing and structure learning:
dsachs <- discretize (sachs.data,method = "hartemink",breaks = 3,ibreaks = 60,idisc = "quantile")
boot <- boot.strength(dsachs,R = 500,algorithm = "hc",algorithm.args = list(score = "bde",iss=10))
avg.boot <- averaged.network (boot,threshold = 0.85)
graphviz.plot(avg.boot)
bnlearn::score(avg.boot,dsachs,type = "bde")
# Parameter learning and predictions----
fitted <- bn.fit (avg.boot,method = "bayes")
fitted
library(gRain)
jtree <- compile (as.grain (fitted))
# CTP of p44.42
querygrain (jtree,nodes = "p44.42")$p44.42
querygrain (jtree,nodes = "pakts473")$pakts473
# Pakts473 | p44.42
jlow <- setEvidence(jtree,nodes = c("p44.42"),states = c("15.3,25.3"))
querygrain (jlow,nodes = "pakts473")$pakts473
如下图所示Pakts473的概率| p44.42 与单独 p44.42 的 CPT 相同。
我被要求讨论 p44.42 中有多少变化会影响 pakts473。 解释如图所示的结果,我会说 pakts473 不受影响。
如果您了解这方面的知识,我会很感激您就如何解释这些结果或某处是否确实存在错误提供反馈。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。